Calculateur de degrés de liberté

Que sont les degrés de liberté ?

Les degrés de liberté (dl) représentent le nombre d'informations indépendantes disponibles pour estimer un paramètre. Lorsque vous utilisez des données pour estimer quelque chose, vous « perdez » des degrés de liberté.

Exemple simple : Avec 10 points de données, vous avez 10 informations. Si vous estimez la moyenne, vous en utilisez une. Pour estimer la variance, il vous reste 10 - 1 = 9 dl.

Pourquoi les degrés de liberté sont importants

Les degrés de liberté déterminent :

• La forme des distributions t, chi-carré et F
• Les valeurs critiques pour les tests d'hypothèse
• La largeur des intervalles de confiance

Utiliser des dl incorrects conduit à des valeurs p et des intervalles de confiance erronés.

Formules courantes

Test t à un échantillon

dl = n - 1

Tester si une moyenne d'échantillon diffère d'une valeur hypothétisée.

Exemple : n = 25 → dl = 24

Test t apparié

dl = n - 1

Où n = nombre de paires.

Exemple : 30 paires → dl = 29

Test t à deux échantillons (groupé)

dl = n₁ + n₂ - 2

Comparer les moyennes de deux groupes indépendants avec égalité des variances supposée.

Exemple : n₁ = 20, n₂ = 25 → dl = 43

Test t à deux échantillons (Welch)

dl = [(s₁²/n₁ + s₂²/n₂)²] / [(s₁²/n₁)²/(n₁-1) + (s₂²/n₂)²/(n₂-1)]

Ceci produit souvent des dl non entiers.

Exemple : Peut donner dl = 41,7

Ajustement chi-carré

dl = k - 1 - p

Où k = catégories, p = paramètres estimés.

Exemple : 6 catégories, aucun paramètre estimé → dl = 5

Test d'indépendance chi-carré

dl = (r - 1)(c - 1)

Pour une table de contingence r × c.

Exemple : table 3 × 4 → dl = 2 × 3 = 6

ANOVA à un facteur

Entre groupes : dl₁ = k - 1 Intra-groupes : dl₂ = n - k

Où k = groupes, n = observations totales.

Exemple : 4 groupes, 60 observations → dl₁ = 3, dl₂ = 56

ANOVA à deux facteurs

Facteur A : dl = a - 1 Facteur B : dl = b - 1 Interaction : dl = (a-1)(b-1) Erreur : dl = n - ab

Régression linéaire simple

Modèle : dl₁ = 1 Erreur : dl₂ = n - 2 Total : dl = n - 1

Régression multiple

Modèle : dl₁ = p (nombre de prédicteurs) Erreur : dl₂ = n - p - 1 Total : dl = n - 1

Test des coefficients individuels : dl = n - p - 1

L'intuition derrière les dl

Les contraintes réduisent la liberté

Si vous connaissez la moyenne de 10 nombres, seuls 9 peuvent varier librement — le 10e est déterminé.

Contrainte de moyenne : 10 valeurs, 1 contrainte → 9 dl

Contraintes multiples

Si vous connaissez à la fois la moyenne et la variance, vous avez utilisé 2 informations.

Deux contraintes : 10 valeurs - 2 = 8 dl

Moyennes de groupe

En ANOVA, chaque moyenne de groupe est une contrainte. Avec k groupes :

• Intra-groupe : n - k dl (perdu k pour les moyennes de groupe)
• Inter-groupes : k - 1 dl (k moyennes, contraintes par la moyenne globale)

Développement historique

Le concept a émergé des travaux de Ronald Fisher dans les années 1920.

Fisher a réalisé que la variance d'échantillon calculée avec n au dénominateur était biaisée. Utiliser n - 1 (les degrés de liberté) corrigeait ce biais.

Il a généralisé le concept pour montrer que différentes statistiques ont différentes tailles d'échantillon effectives pour l'estimation de la variabilité.

La distribution t de Student utilise les dl pour tenir compte de l'incertitude dans l'estimation de la variance à partir de l'échantillon.

Degrés de liberté non entiers

Le test t de Welch et certaines autres procédures produisent des dl non entiers :

dl = 23,7

Les calculateurs modernes et les logiciels les gèrent directement en utilisant des fonctions de distribution t continues. Dans le passé, les tables nécessitaient un arrondi (généralement vers le bas par conservatisme).

dl et forme de la distribution

Distribution t

Distribution Chi-carré

Moyenne = dl pour chi-carré.

Distribution F

F a deux paramètres dl, affectant à la fois la variabilité du numérateur et du dénominateur.

Degrés de liberté résiduels

En régression :

dl résiduels = n - p - 1

Où p = nombre de prédicteurs. C'est le dl pour :

• L'erreur standard de régression
• Les tests t pour les coefficients
• Les intervalles de confiance

Si vous ajoutez des prédicteurs, les dl résiduels diminuent, rendant les estimations moins précises.

dl total vs erreur

dl total = n - 1 (toujours)

Ceci se décompose en :

• dl du modèle (variation expliquée)
• dl d'erreur (variation inexpliquée)

dl du modèle + dl d'erreur = dl total

Erreurs courantes

Oublier les paramètres estimés : Dans l'ajustement, si vous avez estimé la moyenne à partir des données, perdez 1 dl.

Mauvaise formule pour deux échantillons : Groupé utilise n₁ + n₂ - 2 ; Welch utilise une formule complexe.

Apparié vs indépendant : Apparié utilise n - 1 (paires) ; indépendant utilise n₁ + n₂ - 2.

Calculs associés

• Calculateur de distribution T — Utilise dl
• Calculateur de distribution Chi-carré — Utilise dl
• Calculateur de distribution F — Utilise deux dl
• Intervalle de confiance pour la moyenne — dl affecte la largeur
• Calculateur de valeur critique (t*) — dl détermine t*

Résumé

Les degrés de liberté comptent les informations indépendantes restantes après l'estimation des paramètres. Ils déterminent la forme des distributions t, chi-carré et F, et donc affectent les valeurs critiques et les valeurs p. Chaque test statistique a sa propre formule de dl — de simple (n - 1 pour le t à un échantillon) à complexe (la formule de Welch pour les dl non entiers). Obtenir les bons dl est essentiel pour une inférence statistique valide.